ہدایات پر عمل نہیں کیا ناکامیاں
دیکھیں کہ کن AI ماڈلز میں ہدایات پر عمل نہیں کیا سب سے زیادہ ہوتا ہے، تاکہ آپ انتخاب سے پہلے قابلِ اعتماد ہونے کے خطرات سمجھ سکیں۔ ترتیب دیں حسب: کل لاگت ↓.
293/293
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | ہدایات پر عمل نہیں کیا کی تعداد | اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #253 | Qwen3.6 27B none | Qwen | 2 | 0.6 | $0.148 | 8/23 | 12.7s |
| #358 | Laguna S 2.1 high | Poolside | 1 | 0.5 | $0.145 | 4/23 | 113.6s |
| #148 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 0.8 | $0.140 | 12/23 | 91.7s |
| #39 | Claude Haiku 5.5 xhigh | Anthropic | 1 | 0.9 | $0.140 | 18/23 | 16.6s |
| #291 | Qwen3.6 Flash none | Qwen | 1 | 0.6 | $0.139 | 7/23 | 7.63s |
| #347 | MiMo-V2.5-Pro none | Xiaomi | 4 | 0.5 | $0.135 | 5/23 | 6.21s |
| #183 | MiMo-V2.5 medium | Xiaomi | 1 | 0.7 | $0.130 | 12/23 | 49.2s |
| #343 | Mistral Small 4 medium | Mistral | 2 | 0.5 | $0.126 | 5/23 | 12.7s |
| #223 | Mercury 2 medium | Inception | 3 | 0.7 | $0.121 | 10/23 | 4.40s |
| #313 | Qwen3.5-35B-A3B none | Qwen | 2 | 0.6 | $0.120 | 6/23 | 18.3s |
| #373 | DeepSeek V3.2 none | DeepSeek | 1 | 0.5 | $0.119 | 6/23 | 22.4s |
| #168 | Qwen3.5-27B none | Qwen | 2 | 0.7 | $0.116 | 10/23 | 9.98s |
| #180 | GLM 5.3 FlashX medium | Z.ai | 1 | 0.7 | $0.114 | 12/23 | 7.37s |
| #286 | Inkling Small medium | Thinkingmachines | 4 | 0.6 | $0.113 | 10/23 | 6.03s |
| #377 | Laguna S 2.1 low | Poolside | 2 | 0.5 | $0.108 | 3/23 | 88.2s |